Résolution de systèmes linéaires par des méthodes directes

Dimension: px
Commencer à balayer dès la page:

Download "Résolution de systèmes linéaires par des méthodes directes"

Transcription

1 Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires. définit les notions de matrice inversible et de matrice singulière. Il 1.1 Inverse d une matrice Théorème 1.1 A R n n, sont équivalents : A est inversible : il existe une matrice notée A 1, telle que AA 1 A 1 A = I), det(a) 0, rang(a) = n, le système linéaire Ax = b a une solution pour tout b, si le système linéaire Ax = b a une solution, elle est unique, Im(A) = R n, ker(a) = {0}. = I (et Preuve. rang(a) = n équivaut à Im(A) = R n et à ker(a) = {0}, ce qui équivaut aussi à Ax = b a une solution pour tout b. D après la proposition précédente, rang(a) = n équivaut aussi à si le système a une solution, elle est unique. Si rang(a) = n, soit Cb la solution unique du système Ax = b, alors ACb = b, b donc AC = I et CAx = Cb = x, x donc CA = I et A est inversible d inverse C. Réciproquement, si A est inversible alors AA 1 b = b, b donc le système Ax = b a une solution pour tout b. On admet que A inversible équivaut à det(a) 0. Définition 1.1 Une matrice carrée non inversible est dite singulière. Une matrice inversible est dite non singulière. 1

2 Proposition 1.1 Si A et B sont inversibles, alors AB est inversible et (AB) 1 = B 1 A 1. Si A est inversible, alors A T est inversible et (A T ) 1 = (A 1 ) T = A T. Preuve. (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AIA 1 = I donc AB est inversible d inverse B 1 A 1. A T (A 1 ) T = (A 1 A) T = I. 1.2 Matrices particulières Proposition 1.2 Si Q est orthogonale, alors Q est inversible et Q 1 = Q T. Une matrice diagonale D = diag(d i ) est inversible si et seulement si d i 0 et l inverse de D est la matrice diagonale D 1 = diag(1/d i ). Une matrice triangulaire L est inversible si et seulement si L ii 0 et l inverse de L est triangulaire. Preuve. Si Q est orthogonale, alors Q T Q = I donc Q 1 = Q T. Si D est diagonale, Dx = b équivaut à d i x i = b i, i = 1,..., n, a une solution pour tout b si et seulement si d i 0, i = 1,..., n ; la solution vaut x i = b i /d i donc D 1 = diag(1/d i ). Si L est triangulaire inférieure, alors le système Lx = b s écrit l 11 x 1 = b 1, j<i l ijx j + l ii x i = b i, i = 2,..., n et a une solution pour tout b si et seulement si l ii 0 ; la solution vaut x 1 = b 1 /l 11, x i = (b i j<i l ijx j )/l ii, i = 2,..., n donc x i ne dépend que de b j, j i et L 1 est triangulaire inférieure. Proposition 1.3 Calculer l inverse d une matrice diagonale d ordre n est de type BLAS1, avec n opérations. Résoudre un système triangulaire d ordre n est de type BLAS2, avec n 2 opérations. Résoudre k systèmes triangulaires d ordre n est de type BLAS3, avec kn 2 opérations. 1.3 Résolution d un système linéaire On considère un système linéaire de n équations à n inconnues, qui a une solution unique, autrement dit le système Ax = b, avec A inversible. La méthode de résolution de Cramer, basée sur les déterminants, est à proscrire, pour deux raisons : la complexité est élevée, en O(n!), ce qui explose très vite. les phénomènes de cancellation dans les calculs de déterminants amplifient les erreurs d arrondi et l algorithme est numériquement instable. Même avec un système d ordre 2, le résultat peut être complètement faux. 2

3 Si la matrice est diagonalisable, on peut en théorie exprimer le système dans la base des vecteurs propres et résoudre le système diagonal : A = V DV 1, Ax = b D(V 1 x) = V 1 b. Mais diagonaliser une matrice est très coûteux. Ensuite, il faudrait faire les calculs avec des nombres complexes, ce qui est nettement plus coûteux. De plus, toutes les matrices ne sont pas diagonalisables. Les méthodes basées sur l élimination d inconnues, avec combinaisons linéaires des lignes, sont les méthodes directes de référence. Lorsqu on élimine les inconnues, on aboutit finalement à un système triangulaire supérieur, que l on remonte pour calculer les coordonnées de la solution. Le processus d élimination est en fait la résolution d un système triangulaire inférieur. L algorithme s appelle la factorisation LU. Pour garantir la stabilité numérique, il est nécessaire de modifier l ordre d élimination, en appliquant ce qu on appelle une stratégie de pivot. 2 Factorisation de Cholesky On considère la décomposition de matrices symétriques et définies positives c est-à-dire telles que : x 0, x T Ax > 0 Ces matrices sont inversibles et leurs valeurs propres sont strictement positives. 2.1 Algorithme de factorisation Théorème 2.1 Factorisation de Cholesky Soit A R n n une matrice symétrique et définie positive. Alors il existe une unique matrice triangulaire inférieure L qui vérifie : A = LL T et diag(l) > 0 Preuve. On démontre le théorème par récurrence sur la dimension n de la matrice. n = 1 : le résultat est évident car alors le nombre qui représente la matrice est positif et le facteur de Cholesky est sa racine carrée. On suppose la proposition vraie pour toute matrice d ordre n 1. Soit A une matrice d ordre n que l on partitionne en blocs de la manière suivante où A R (n 1) (n 1), a R n 1, et α R : ( ) A a A = a T. α On recherche le facteur de Cholesky L partitionné de la même manière : ( ) L 0 L = l T λ 3

4 qui vérifie LL T = A ou encore L L T = A (1) L l = a (2) l 2 + λ 2 = α. (3) La matrice A étant une matrice principale de la matrice A est définie positive. On peut donc lui appliquer l hypothèse de récurrence, ce qui détermine le facteur L vérifiant l équation (1) et à diagonale positive. L équation (2) permet alors de calculer l = L 1 a. En remplaçant dans la dernière équation les quantités déjà trouvées, il reste à résoudre : λ 2 = α a T A 1 a. Il faut prouver que le terme de droite de l égalité est positif ce qui pemet de conclure que λ = α a T A 1 a. On suppose que a 0 car sinon le résultat est évident. Pour cela on étudie, pour tout vecteur u R n non nul et tout réel ρ, la quantité : ( ) ( ) τ = (u T A a u ρ) a T = αρ 2 + 2ρu T a + u T Au α ρ qui est strictement positive pour tout ρ. Le discriminant du trinôme est donc négatif : (u T a) 2 α(u T Au) < 0. Le résultat est obtenu en choisissant u = A 1 a et en remarquant que a T A 1 a > 0. L unicité et l existence de la décomposition sont donc prouvées. Proposition 2.1 L algorithme de Cholesky a une complexité en n 3 /3 + O(n 2 ). Preuve. Soit C(n) le nombre d opérations pour calculer le facteur de Cholesky d une matrice d ordre n. On obtient donc la relation de récurrence C(n + 1) = C(n) + n 2 + O(n) car la résolution du système triangulaire qui calcule l est de complexité n 2 +O(n). On en déduit que C(n) = 1/3 n 3 + O(n 2 ). Cette décomposition en blocs introduite dans la démonstration aboutit à une version par lignes, qui récursivement construit le facteur de Cholesky de dimension n à partir de celui de la matrice principale d ordre n 1. Nous décrivons maintenant deux versions par colonnes, obtenues à partir de la décomposition suivante : A = ( α a T a A ). 4

5 On recherche le facteur de Cholesky L partitionné de la même manière : ( ) λ 0 L = l L qui vérifie LL T = A ou encore λ 2 = α (4) λl = a (5) l l T + L L T = A. (6) Soit B = A l l T. Puisqu on a déjà prouvé l existence de la factorisation de Cholesky pour A, cela entraîne que l équation (6) a une solution, donc que B admet une factorisation de Cholesky. On peut aussi prouver que B est symétrique définie positive, puis par récurrence que B admet une factorisation de Cholesky, donc A aussi. Ces équations se résolvent en λ = α l = (1/λ)a B = A l l T (7) Factorisation de Cholesky de B On peut dérouler la récurrence suivant l algorithme suivant : Algorithm 1: Cholesky (Right Looking) L := triangle inférieur(a) do j = 1, n L(j, j) = L(j, j) do i = j + 1, n L(i, j) = L(i, j)/l(j, j) do k = j + 1, n do i = k, n L(i, k) = L(i, k) L(k, j) L(i, j) Cet algorithme est appelé Right Looking (ou Fan Out), car dès qu une colonne de L est prête, elle corrige toutes les colonnes suivantes. On peut aussi imaginer d organiser autrement les calculs : on retarde chaque mise à jour d une colonne au plus tard possible; ainsi une colonne de la matrice A n est considérée que lorsque toutes les précédentes de L sont construites. Cela revient à inverser dans 5

6 l algorithme 1 les boucles indicées par j et k. On obtient alors l algorithme 2 appelé Left Looking (ou Fan In). Algorithm 2: Cholesky (Left Looking) L := triangle inférieur(a) do k = 1, n do j = 1, k 1 do i = k, n L(i, k) = L(i, k) L(k, j) L(i, j) L(k, k) = L(k, k) do i = k + 1, n L(i, k) = (1/L(k, k)) L(i, k) Puisque l algorithme est composé de trois boucles emboîtées, il existe six manières de les ordonner: deux versions par lignes, deux versions par colonnes, et deux versions mixtes. Pour plus de précision, on peut consulter [4, 5]. La factorisation de Cholesky est un algorithme de la bibliothèque Lapack. Il existe une version par blocs, qui exploite des procédures de la bibliothèque BLAS3, pour augmenter l efficacité. 2.2 Résolution d un système symétrique défini positif L algorithme de résolution d un système symétrique défini positif comporte les étapes décrites ci-dessous: Factorisation de Cholesky A = LL T, Résolution du système triangulaire Ly = b (descente), Résolution du système triangulaire L T x = y (remontée). La bibliothèque utilisée et la complexité des étapes sont données ci-dessous: Factorisation de Gauss avec pivot partiel étape bibliothèque nombre d opérations factoriser A = LL T LAPACK (utilise BLAS3) n 3 /3 + O(n 2 ) résoudre Ly = b BLAS2 O(n 2 ) résoudre L T x = y BLAS2 O(n 2 ) 6

7 L algorithme a ainsi une complexité polynomiale cubique, ce qui permet de résoudre des systèmes avec plusieurs milliers d inconnues. De plus, si on résout plusieurs systèmes avec la même matrice et des seconds membres différents, on n effectue la factorisation qu une fois. On a donc une complexité cubique pour le premier système puis quadratique pour les systèmes suivants. 2.3 Stabilité numérique de Cholesky Un algorithme est stable numériquement si les erreurs d arrondi n explosent pas. On admet ici que l algorithme de Cholesky est stable. 3 Factorisation LU Dans le cas général où la matrice n est pas symétrique définie positive, l algorithme est plus compliqué. Il faut permuter les lignes ou les colonnes pour garantir l existence de la factorisation et pour assurer la stabilité numérique. Théorème 3.1 Soit A R n n une matrice inversible. Alors il existe une matrice de permutation P, une matrice L triangulaire inférieure avec L ii = 1 et une matrice triangulaire supérieure U inversible telles que P A = LU (8) L égalité (8) est appelée la factorisation de Gauss de A avec pivot partiel. Preuve. admis. Le choix de la matrice de permutation P n est pas unique; il existe plusieurs algorithmes, dits stratégies de pivot, qui sont basés sur l analyse des erreurs d arrondi. La stratégie de pivot partiel permet de garantir l existence de la factorisation et de borner les erreurs d arrondi. L idée est de choisir un pivot non nul et le plus grand possible à chaque étape du processus d élimination. 3.1 Résolution d un système linéaire L algorithme de résolution d un système linéaire, dans le cas général, comporte les étapes suivantes: Factorisation de Gauss P A = LU, Permutation c = P b, Résolution du système triangulaire Ly = c (descente), Résolution du système triangulaire U x = y (remontée). 7

8 La bibliothèque utilisée et la complexité des étapes sont données ci-dessous: Factorisation de Gauss avec pivot partiel étape bibliothèque nombre d opérations factoriser P A = LU LAPACK (utilise BLAS3) 2n 3 /3 + O(n 2 ) résoudre Ly = c BLAS2 O(n 2 ) résoudre Ux = y BLAS2 O(n 2 ) Le nombre d opérations de Gauss est environ le double de celui de Cholesky. Il faut noter que la matrice doit être non seulement symétrique, mais aussi définie positive, pour appliquer Cholesky. 3.2 Stabilité numérique de Gauss avec pivot On admet ici que l algorithme de Gauss avec pivot partiel est stable numériquement. 3.3 Factorisation par blocs La bibliothèque LAPACK utilise une partition par blocs pour la factorisation LU, afin d utiliser BLAS3. Nous décrivons ici un algorithme sans pivot, mais LAPACK inclut des stratégies de pivot. Supposons que la matrice A soit d ordre n, qu elle soit à diagonale dominante (donc l algorithme de Gauss sans pivot est possible) et qu elle soit partagée en quatre blocs: ( ) A11 A A = 12 A 21 A 22 où les blocs A 11 et A 22 sont carrés d ordres respectifs m et n m. La quantité m n représente la taille de bloc. Les m étapes de l algorithme de Gauss sont condensées en équations matricielles avec les blocs. On décompose les matrices L et U de la même manière que A: L = ( ) L11 0 L 21 L 22 et U = On écrit ensuite avec les blocs que A = LU: ( ) U11 U U 22 A 11 = L 11 U 11 (9) A 21 = L 21 U 11 (10) A 12 = L 11 U 12 (11) B = A 22 L 21 U 12 (12) B = L 22 U 22 (13) On peut alors écrire l algorithme par blocs sous forme récursive: 8

9 Algorithm 3: BlockLU(A) if dim(a) m then {On est arrivé au dernier bloc} factorisation LU de A else {On mène une étape de factorisation par bloc} définition des matrices A 11, A 12, A 21, A 22 factorisation LU de A 11 pour obtenir L 11 et U 11 résolution de n m systèmes triangulaires pour obtenir L 21 (10) résolution de n m systèmes triangulaires pour obtenir U 12 (11) mise à jour du bloc restant pour obtenir B (12) BlockLU(B) (13) endif On peut ensuite dérouler l algorithme pour en supprimer la récursivité, sans modifier le nombre d opérations. On obtient un algorithme avec trois boucles imbriquées, comme pour Cholesky. Il existe aussi six versions de l algorithme, suivant l ordre des boucles. 4 Conditionnement d un système linéaire Nous étudions la sensibilité d un système linéaire aux variations sur les données (conditionnement). Beaucoup d ouvrages traitent de ce sujet, notamment [3, 8, 7, 6, 1, 2]. Nous introduisons d emblée une définition qui va être justifiée par les résultats associés. Soit. une norme matricielle subordonnée. Définition 4.1 Le conditionnement d une matrice A pour les systèmes linéaires est donné par κ(a) = A A 1. Le conditionnement spectral de A est donné par κ 2 (A) = A 2 A 1 2 = σ 1 σ n, où σ i, i = 1,..., n sont les valeurs singulières non nulles de A. La bibliothèqe LAPACK fournit des procédures pour estimer le conditionnement d une matrice. Théorème 4.1 Soit A une matrice inversible et x la solution de Ax = b. Soit A, b tels que A α A, b β b, α κ(a) < 1. 9

10 Alors A + A est inversible. Soit x + x la solution du système alors (A + A)(x + x) = b + b, x x κ(a) (α + β). 1 ακ(a) Ce théorème correspond à la définition générale, où les données sont soit A et b (si seulement A est la donnée, alors β = 0). La preuve du théorème nécessite le lemme suivant : Lemme 4.1 Si F < 1 alors (I + F ) est inversible et (I + F ) F. Preuve. A + A = A(I + A 1 A), A 1 A κ(a)α < 1, donc d après le lemme, I + A 1 A est inversible et (I + A 1 A) ακ(a). Soit y = x + x, on a (A + A)y = b + b, Ax = b donc A(y x) = b Ay et y x A 1 ( b + A y ). or b β b β A x, d où x κ(a)(β x + α y ). Il reste à majorer y. On a A(I + A 1 A)y = A(x + A 1 b), y (I + A 1 A) 1 ( x + A 1 b ), 1 y 1 ακ(a) (1 + βκ(a)) x. 1 Par conséquent, β x + α y 1 ακ(a) (α + β) x. On en déduit que x κ(a) 1 ακ(a) (α + β) x. 4.1 Lien avec le résidu Comme pour le cas général, il est possible de faire le lien avec le résidu. Soit x la solution du système linéaire Ax = b. Nous supposons qu un algorithme de résolution calcule le vecteur y, avec un résidu r = b Ay. Corollaire 4.1 x y x κ(a) b Ay. (14) b 10

11 Il est possible d avoir un résultat plus fin en introduisant une perturbation de la matrice. Si b Ay est assez petit, alors y est solution d un système linéaire perturbé et nous déterminons la plus petite perturbation possible. Théorème 4.2 Soit Ax = b un système linéaire d ordre n et soit y R n. Soit S = {α, il existe A, b, A α A, b α b, (A+ A)y = b+ b} Soit η = Si ηκ(a) < 1 alors min α S = η. b Ay A y + b. (15) Preuve. Soit r = b Ay et soit α S. Alors (A + A)y = b + b, r = Ay b, r α( A y + b ), donc η α. Réciproquement, soit A A = η r y ryt, b = η b r r. Alors A = η A, b = η b. On a (A + A)y = b r + Ay = b r + η A y b (A + A)y = b A y + b r = b + b, donc η S. r r, Donc η est le minimum de S. En combinant les deux théorèmes sur le conditionnement et l analyse inverse, on obtient une estimation d erreur pour la solution calculée y. Corollaire 4.2 Soit x la solution du système linéaire Ax = b et soit y une solution calculée telle que ηκ(a) < 1, où η est défini par (15). Alors x y x κ(a) 2 1 ηκ(a) η (16) Le calcul de r puis η et une estimation du conditionnement κ(a) permettent donc d estimer une borne de l erreur sur la solution. 4.2 Résidu itératif References [1] F. Chatelin and V. Frayssé. Lectures on Finite Precision Computations. SIAM,

12 [2] J. Erhel. Vitesse et précision en calcul scientifique. habilitation à diriger des recherches, Université de Rennes 1, Juin [3] G.H Golub and C.F Van Loan. Matrix Computations. third edition. John Hopkins, [4] M. Hahad, J. Erhel, and T. Priol. Factorisation parallèle de Cholesky pour matrices creuses sur une mémoirevirtuelle partagée. Rapport de recherche 1988, INRIA, [5] M. Hahad, J. Erhel, and T. Priol. Scheduling strategies for sparse cholesky factorization on a shared virtual memory parallel computer. In International Conference on Parallel Processing (3), pages , [6] N.J. Higham. Accuracy and Stability of Numerical Algorithms. SIAM, [7] P. Lascaux and R. Theodor. Analyse numérique matricielle appliquée à l art de l ingénieur, Tomes 1et 2. Masson, [8] G. W. Stewart and Ji-guang Sun. Matrix perturbation theory. Academic Press,

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Matrices. 1. Définition. Exo7. 1.1. Définition

Matrices. 1. Définition. Exo7. 1.1. Définition Exo7 Matrices Vidéo partie 1 Définition Vidéo partie 2 Multiplication de matrices Vidéo partie 3 Inverse d'une matrice : définition Vidéo partie 4 Inverse d'une matrice : calcul Vidéo partie 5 Inverse

Plus en détail

Master de mathématiques Analyse numérique matricielle

Master de mathématiques Analyse numérique matricielle Master de mathématiques Analyse numérique matricielle 2009 2010 CHAPITRE 1 Méthodes itératives de résolution de systèmes linéaires On veut résoudre un système linéaire Ax = b, où A est une matrice inversible

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

cours MAP : Mathématiques Appliquées DIIC 1ere année

cours MAP : Mathématiques Appliquées DIIC 1ere année cours MAP : Mathématiques Appliquées DIIC 1ere année Jocelyne Erhel 1 April 12, 2006 1 INRIA, UR Rennes, Jocelyne.Erhel@inria.fr, http://www.irisa.fr/aladin/perso/erhel/ 2 Contents 1 Introduction 7 1.1

Plus en détail

Cours 3: Inversion des matrices dans la pratique...

Cours 3: Inversion des matrices dans la pratique... Cours 3: Inversion des matrices dans la pratique... Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module complémentaire de maths, année 2012 1 Rappel de l épisode précédent

Plus en détail

Résolution de systèmes linéaires creux par des méthodes directes

Résolution de systèmes linéaires creux par des méthodes directes Résolution de systèmes linéaires creux par des méthodes directes J. Erhel Janvier 2014 1 Stockage des matrices creuses Dans de nombreuses simulations numériques, la discrétisation du problème aboutit à

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

Espaces vectoriels euclidiens. Groupe orthogonal

Espaces vectoriels euclidiens. Groupe orthogonal 19 Espaces vectoriels euclidiens. Groupe orthogonal Dans un premier temps, E est un espace vectoriel réel de dimension n 1. 19.1 Espaces vectoriels euclidiens Dénition 19.1 On dit qu'une forme bilinéaire

Plus en détail

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3.

Algèbre 2 - L1 MIASHS/Lettres-Maths. UFR MIME, Université Lille 3. Algèbre 2 - L1 MIASHS/Lettres-Maths AMIRI Aboubacar UFR MIME, Université Lille 3. 10 avril 2015. Université Lille 3 1 Définitions et notations Quelques matrices particulières Matrice d une famille sur

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.

Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels. Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x

Plus en détail

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

L essentiel du cours 2014/2015 Terminale S Spécialité Maths, Lycée Français de Valence

L essentiel du cours 2014/2015 Terminale S Spécialité Maths, Lycée Français de Valence L essentiel du cours 2014/2015 Terminale S Spécialité Maths, Lycée Français de Valence Sommaire 1. Arithmétique 2 1.1. Division euclidienne......................... 2 1.2. Congruences.............................

Plus en détail

Cours de mathématiques M22 Algèbre linéaire

Cours de mathématiques M22 Algèbre linéaire Cours de mathématiques M22 Algèbre linéaire λ u u + v u v u Exo7 Sommaire Systèmes linéaires 3 Introduction aux systèmes d équations linéaires 3 2 Théorie des systèmes linéaires 7 3 Résolution par la méthode

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

Second degré : Résumé de cours et méthodes

Second degré : Résumé de cours et méthodes Second degré : Résumé de cours et méthodes 1 Définitions : DÉFINITIN n appelle trinôme du second degré toute fonction f définie sur R par f () = a + b + c (a,b et c réels avec a 0). Remarque : Par abus

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE. Algèbre Linéaire. Bachelor 1ère année 2008-2009. Sections : Matériaux et Microtechnique ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Algèbre Linéaire Bachelor ère année 28-29 Sections : Matériaux et Microtechnique Support du cours de Dr Lara Thomas Polycopié élaboré par : Prof Eva Bayer Fluckiger

Plus en détail

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries

Chapitre 4. Adjoints Opérateurs auto-adjoints et isométries Chapitre 4 Adjoints Opérateurs auto-adjoints et isométries I. Adjoint : Cas général d une forme { bilinéaire symétrique sesquilinéaire hermitienne On suppose dans tout I que E est un espace vectoriel de

Plus en détail

Factorisation des matrices creuses

Factorisation des matrices creuses Chapitre 5 Factorisation des matrices creuses 5.1 Matrices creuses La plupart des codes de simulation numérique en mécanique des fluides ou des structures et en électromagnétisme utilisent des discrétisations

Plus en détail

Programmation Linéaire - Cours 2

Programmation Linéaire - Cours 2 Programmation Linéaire - Cours 2 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire 1 2 3 Retournons dans le yaourt! Reprenons l exemple du 1er cours Forme normale

Plus en détail

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1

Algèbre 2, Cours de deuxième année de l Université de Bordeaux. Jean-Jacques Ruch 1 Algèbre 2, Cours de deuxième année de l Université de Bordeaux 1 1 Institut de Mathématiques Bordeaux, UMR 5251 du CNRS, Université de Bordeaux, 351 cours de la Libération, F33405 Talence Cedex, France

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Correction de l examen de la première session

Correction de l examen de la première session de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de première ES ii Table des matières 1 Les pourcentages 1 1.1 Variation en pourcentage............................... 1 1.1.1 Calcul d une variation............................

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr

Exo7. Formes quadratiques. Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr Exo Formes quadratiques Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Plus en détail

Sur l algorithme RSA

Sur l algorithme RSA Sur l algorithme RSA Le RSA a été inventé par Rivest, Shamir et Adleman en 1978. C est l exemple le plus courant de cryptographie asymétrique, toujours considéré comme sûr, avec la technologie actuelle,

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Cours de mathématiques : Equation du second degré

Cours de mathématiques : Equation du second degré Cours de mathématiques : Equation du second degré I ) Formes de l'équation du second degré. L'équation du deuxiéme degré à une inconnue est celle où l'inconnue est élévé à la puissance de 2, sans y etre

Plus en détail

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Systèmes linéaires Bernard Ycart Si vous savez déjà résoudre un système linéaire par la méthode de Gauss, vous n apprendrez pas grand chose de neuf dans

Plus en détail

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe Phase I 1 Introduction Algorithme du simplexe : Soit x 0 une solution de base admissible Comment déterminer x 0? Comment déterminer

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Arithmétique modulaire et applications à la cryptographie

Arithmétique modulaire et applications à la cryptographie Arithmétique modulaire et applications à la cryptographie Etant donné un entier n, l arithmétique modulo n consiste à faire des calculs sur les restes dans la division euclidienne des entiers par n. Exemples

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

Bases mathématiques pour l économie et la gestion

Bases mathématiques pour l économie et la gestion Bases mathématiques pour l économie et la gestion Bases mathématiques Pour l économie et la gestion - Table des matières PREMIERE PARTIE : QUELQUES OUTILS Chapitre : Traitement de systèmes d'équations..

Plus en détail

Calcul Scientifique L2 Maths Notes de Cours

Calcul Scientifique L2 Maths Notes de Cours Calcul Scientifique L2 Maths Notes de Cours Le but de ce cours est d aborder le Calcul Scientifique, discipline arrivant en bout d une d une chaîne regroupant divers concepts tels que la modélisation et

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas

Plus en détail

Equations différentielles

Equations différentielles Maths PCSI Cours Table des matières Equations différentielles 1 Généralités 2 1.1 Solution d une équation différentielle................................ 2 1.2 Problème de Cauchy.........................................

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs Ch01 : Matrice Les matrices ont été introduites récemment au programme des lycées. Il s agit d outils puissants au service de la résolution de problèmes spécifiques à nos classes, en particulier les problèmes

Plus en détail

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Zoltán Szigeti Ensimag April 4, 2015 Z. Szigeti (Ensimag) RO 1A April 4, 2015 1 / 16 Forme Générale Définition

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue

Plus en détail

E3A PC 2009 Math A. questions de cours. t C). On véri e que

E3A PC 2009 Math A. questions de cours. t C). On véri e que E3A PC 29 Math A questions de cours. Soit C 2 M 3 (R) Analyse : Si C = S + A, S 2 S 3 (R) et A 2 A 3 (R) alors t C = t S + t A = S A d où S = 2 (C +t C) et A = 2 (C t C). L analyse assure l unicité (sous

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Analyse et développement d algorithmes parallèles pour la résolution directe de grands systèmes linéaires creux

Analyse et développement d algorithmes parallèles pour la résolution directe de grands systèmes linéaires creux Analyse et développement d algorithmes parallèles pour la résolution directe de grands systèmes linéaires creux Ibrahima GUEYE 1, Xavier JUVIGNY 1, François-Xavier ROUX 1, Frédéric FEYEL 1 & Georges CAILLETAUD

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

A. Déterminant d une matrice carrée

A. Déterminant d une matrice carrée IUT ORSAY Mesures Physiques Déterminants Initiation à la diagonalisation de matrice Cours du ème Semestre A Déterminant d une matrice carrée A-I Définitions élémentaires Si A est la matrice ( a ) on appelle

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

MAT1702 A - SOLUTIONS DU TEST #2 - VERSION A

MAT1702 A - SOLUTIONS DU TEST #2 - VERSION A MAT702 A - SOLUTIONS DU TEST #2 - VERSION A. (5 points) Étant donné A 3 et B. 0 Pour chacune des opérations matricielles ci-dessous, calculez la matrice résultante si elle existe. Si l opération n est

Plus en détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

Calcul matriciel ... Il est impossible de faire la somme de 2 matrices de tailles différentes.

Calcul matriciel ... Il est impossible de faire la somme de 2 matrices de tailles différentes. Chapitre : Calcul matriciel Spé Maths - Matrices carrées, matrices-colonnes : opérations. - Matrice inverse d une matrice carrée. - Exemples de calcul de la puissance n-ième d une matrice carrée d ordre

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Résumé du cours d algèbre de Maths Spé MP

Résumé du cours d algèbre de Maths Spé MP 1 POLYNÔMES Résumé du cours d algèbre de Maths Spé MP 1 Polynômes 1) Formule de Taylor pour les polynômes. Soit P un polynôme non nul de degré n N. a K, P(X) = k=0 P (k) (a) (X a) k et en particulier P(X)

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

Polynômes à plusieurs variables. Résultant

Polynômes à plusieurs variables. Résultant Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \

Plus en détail

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité?

Examen - septembre 2012. Question de cours Enoncer et démontrer l inégalité de Cauchy-Schwarz dans un espace euclidien. Quel est le cas d égalité? Université Paris Dauphine DEMIE e année Algèbre linéaire 3 Examen - septembre 01 Le sujet comporte pages. L épreuve dure heures. Les documents, calculatrices et téléphones portables sont interdits. Question

Plus en détail

Produit scalaire dans l Espace

Produit scalaire dans l Espace Produit scalaire dans l Espace Christophe ROSSIGNOL Année scolaire 014/015 Table des matières 1 Produit scalaire du plan 1.1 Différentes expressions du produit scalaire............................... 1.

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. b) On suppose rga + rgb n. Montrer qu il existe U, V GL n (K) tels que [http://mp.cpgedupuydelome.fr] édité le 0 juillet 204 Enoncés Rang d une matrice Exercice [ 0070 ] [correction] Soit A M n K une matrice carrée de rang. a Etablir l existence de colonnes X, Y M n, K vérifiant

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

Plus en détail

Introduction générale

Introduction générale Chapitre 1 Introduction générale Ce chapitre est consacré à une présentation rapide des méthodes numériques qui sont étudiées en détail dans ce cours Nous y donnons une approche très simplifiée des quatre

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

Solveur linéaire sur GPU

Solveur linéaire sur GPU Thomas JOST 1 Sylvain CONTASSOT-VIVIER 1,2 Stéphane VIALLE 1,3 1 Équipe AlGorille, LORIA 2 Université Henri Poincaré Nancy 1 3 Équipe IMS Supélec (Metz) 1 Introduction 2 Contraintes et algorithmes Structure

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9

Les astuces de Maths. par Isabelle Blejean C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 9 C OLLECTION LES MÉMENTOS DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Les astuces de Maths par Isabelle Blejean MÉMENTO N 9 Les Mémentos de l INSEEC

Plus en détail